Cross-sectional studies

• Autores: Cvetković Vega, Aleksandar, L. Maguiña, Jorge, Soto, Alonso, Lama-Valdivia, Jaime, Correa López, Lucy E.
• Formato: artículo
• Fecha de Publicación: 2020
• Institución: Universidad Ricardo Palma
• Repositorio: Revista URP - Revista de la Facultad de Medicina Humana
• Lenguaje: español; inglés
• OAI Identifier: oai:oai.revistas.urp.edu.pe:article/3069
• Enlace del recurso: http://revistas.urp.edu.pe/index.php/RFMH/article/view/3069
• Nivel de acceso: acceso abierto
• Materia: Cross-sectional; Observational; Analytic; Design; Studies

Cross-sectional studies are epidemiological design which can be considered as descriptive or analytical designs depending on the general objective. This is a quickly and economical design and allows to calculate the prevalence of a condition. Also, the relationship of temporality between the exposition and the outcome is being measured simultaneously on a unique period, not being possible to identify a directionality in the temporality. When there is an analytic objective, the association measure used is the Prevalence Ratio (PR), specially when the prevalence of the outcome is more or equal to 10% or the Odds Ratio (OR) when that prevalence is lower. To quantify this association different regression models like Binomial log or Poisson log can be used, including generalized lineal models. If the association measure is OR, the most common used model is the multiple logistic regression.
Los estudios observacionales transversales pueden ser de tipo descriptivos o también analíticos dependiendo del objetivo general. Este diseño es rápido, económico y permite el cálculo directo de la prevalencia de una condición. Además, la relación de temporalidad entre la exposición y el efecto son medidas de forma simultánea en un único período, no siendo posible identificar una direccionalidad en la temporalidad. Cuando estos estudios persiguen un objetivo general analítico, la medida de asociación es la Razón de Prevalencias (RP), especialmente cuando la prevalencia del efecto es mayor o igual a 10% o el Odds Ratio (OR) cuando la prevalencia es baja. Para cuantificar esta asociación pueden utilizarse diferentes modelos de regresión como el binomial log o Poisson log, incluyendo los modelos lineales generalizados. Cuando la medida de asociación a utilizar es el OR, el modelo más comúnmente empleado es la regresión logística múltiple.